AI開発に専門知識は必要?指示の出し方と、手戻りを減らす効率化の進め方
「AIに頼めばコードが出てくるのに、思ったものが完成しない」「修正をお願いするたびに、別の部分が変わってしまう」。AIを使った開発で、このような経験はありませんか。
AIによって実装の案を得やすくなっても、何を作るか、どこを変えるか、正しく動いたかを判断する場面は残ります。専門知識は、AIへの指示を具体化し、生成されたものを確かめるために役立ちます。
この記事では、AI開発で必要になる知識の種類、指示の作り方、手戻りを減らす進め方を紹介します。コードが出る速さだけでなく、確認と修正を含めた開発全体の効率を考えていきましょう。
目次
1.AI開発では、専門知識を使う場面が変わる
AIは、コードの下書き、既存処理の説明、エラー原因の候補出しなどを支援できます。一方、依頼していない条件を補って実装したり、環境に合わない方法を提案したりすることもあります。
そこで必要になるのが、提案の意味を理解し、採用するかを判断する知識です。すべてを暗記してから使う必要はありませんが、わからない部分を見つけ、調べて確かめる姿勢は欠かせません。
専門用語の数より、判断につながる理解を増やす
例えば「認証」という言葉を知っていても、ログイン済みの利用者が他人のデータを閲覧できる状態を見逃せば、必要な確認ができていません。本人確認と、どの情報を操作してよいかの権限判断を区別することが大切です。
同じように、APIやデータベースという言葉も、名前を知るだけでなく「どこに情報があり、何が通信され、失敗するとどうなるか」まで結びつけて理解すると、指示や確認に使える知識になります。
2.AIへの指示に役立つ、4つの知識
AI開発に役立つ専門知識は、プログラミング言語の文法だけではありません。利用者の仕事を理解する知識も、完成したものを評価する知識も、開発を進めるうえで重要です。
| 知識の種類 | 判断できること | 指示に反映する例 |
|---|---|---|
| 業務・利用場面の知識 | 誰が、何のために使うか | 講師が授業後に出欠を登録し、管理者が一覧を確認する |
| 技術の基礎知識 | 画面・処理・保存・通信の役割 | 入力内容をサーバーで確認してから保存する |
| 既存システムの知識 | 変更してよい範囲と影響 | 既存のAPI形式を維持し、入力画面だけを変更する |
| 検証・運用の知識 | 完成条件と失敗時の対応 | 保存に失敗した場合は入力内容を残し、エラーを表示する |
例えば、教育現場を知る人なら、授業中に使う画面と事務作業で使う画面では、必要な操作が違うと判断できます。その知識を「授業中は片手で操作する」「入力に時間をかけられない」といった条件に変えることが、開発への具体的な貢献になります。
技術面がまだ不十分な場合は、必要な動作を具体例で示し、実現方法の候補と違いをAIに説明してもらいましょう。理解できない用語を増やすより、選択理由を確認することから始められます。
3.指示は「目的・現状・条件・完成基準」で組み立てる
「使いやすくして」「いい感じに直して」という依頼では、何を優先するかが曖昧です。AIが見た目を変えても、実際には入力回数を減らしたかったという食い違いが起こり得ます。
指示では、期待する変化を観察できる形にすることが大切です。長い文章を書くこと自体を目標にせず、判断に必要な情報をそろえましょう。
| 伝える項目 | 内容 |
|---|---|
| 目的 | 誰の、どの困りごとを解決するか |
| 現状 | 現在の動作、使っている環境、関連するコード |
| 期待する動作 | 操作したとき、何が起こるべきか |
| 制約・変更範囲 | 維持する仕様、変更できる箇所、依存関係の扱い |
| 完成基準 | どの条件を満たしたら完了とするか |
曖昧な依頼を、確認できる条件に変える
例えば「保存ボタンを改善して」という依頼なら、まず何が困っているかを明らかにします。二重登録なのか、保存に時間がかかるのか、成功したことが伝わらないのかで、必要な修正は変わります。
二重登録を防ぎたいなら、「送信中の連打」「通信が切れた後の再送」など、発生する条件を示します。画面上でボタンを無効にするだけで十分か、サーバー側にも対策が必要かを分けて検討できます。
4.そのまま使える、AI開発への依頼テンプレート
次のテンプレートは、既存アプリの一部を修正する場面を想定しています。すべての項目を長文で埋める必要はありません。不明な情報は不明と記し、確認が必要な点を分けてください。
実際にファイルを調べたり、テストを動かしたりできるかは、利用するAIの環境や権限によります。チャットへコードを貼り付けただけの場合と、開発環境に接続した場合を同じように扱わないことも重要です。
5.手戻りを減らすには、作業を確認できる単位に分ける
最初から「アプリを完成させて」と依頼すると、画面、データ、権限、公開設定などの変更が重なります。問題が起きたときに、どの変更が原因かを追いにくくなります。
例えば、一覧表示、入力と保存、編集、削除というように、利用者の動作を確認できる単位に分けましょう。細かく分けすぎて全体の目的が伝わらなくならないよう、共通の仕様も一緒に共有します。
① 変更前の状態を残す
修正前に、現在のコードや設定を戻せる状態にします。Gitなどで変更を記録しておくと、AIが変更した箇所を比較し、必要に応じて戻しやすくなります。
② 一つの目的に必要な変更を行う
不具合の修正と、全体の見た目の変更を同時に進めると、確認する範囲が広がります。関係する修正はまとめつつ、目的と無関係な変更は次の作業に分けましょう。
③ 完成基準に照らして確認する
「エラーが出ない」だけで完了にせず、期待した結果が得られるかを確認します。通常の入力に加え、空の入力、境目の値、通信失敗など、機能に関係する条件も試してください。
AIが作ったテストも、仕様を正しく反映しているかを見ます。実装とテストが同じ勘違いに基づいていれば、テストが通っても目的を満たしていない可能性があります。
生成されたコードを採用する前に、何を確認すればよいのか。変更内容・仕様・テスト・保守性を順番に確認する方法を紹介しています。
AI生成コードのレビュー方法|仕様・テスト・保守性を確認する実践手順 記事を読む →6.効率は、生成時間より「使える状態までの時間」で測る
コードが数分で生成されても、修正や確認に長い時間がかかれば、開発全体が短くなったとは限りません。効率を考えるときは、依頼の準備から使える状態になるまでを記録しましょう。
- 準備:要件整理、資料や関連コードの確認。
- 実装:AIへの指示、生成待ち、コードへの反映。
- 検証:動作確認、レビュー、問題の切り分け。
- 手戻り:再指示、修正、再確認。
例えば、AIなしで120分かかる作業が、AIを使うと準備20分・実装10分・検証30分・手戻り20分で終わった場合、合計は80分です。この仮の例では40分短縮していますが、「実装が10分だから12倍速くなった」とは言えません。
比較するときは、作業の難しさや完成基準をできるだけそろえます。不具合を残した状態と、確認を終えた状態を比べても、効率を正しく評価できません。
時間が増えた工程から、次の改善を考える
再指示が多ければ、最初の条件が不足していた可能性があります。確認に時間がかかるなら、変更範囲が広すぎる、完成基準が曖昧、コードが読みづらいといった原因を調べましょう。
ただし、毎回の失敗を指示不足だけで説明する必要はありません。モデルの能力、参照できる情報、ツールの権限、既存システムの複雑さも結果に影響します。
AIに任せる作業の選び方と、確認・修正まで含めた効果の測り方を整理しています。開発以外の業務にも応用できます。
AIで業務効率化を始めるには?自動化アイデアの見つけ方と小さく試す手順 記事を読む →7.初心者は、必要になった知識を実装と結びつけて学ぶ
専門知識が大切だからといって、すべてを学び終えるまで開発を待つ必要はありません。小さな機能を作り、その仕組みを説明し、一部を変更して結果を確かめる学び方ができます。
例えば、入力フォームを作ったら、入力値がどの変数に入り、どこで確認され、どこへ保存されるかを追ってみましょう。理解できない箇所は、AIの説明と公式資料、実際の動作を照合します。
AIに聞きたいのは「何をしたか」と「なぜ必要か」
- 今回変更したファイルと、それぞれの役割は何か。
- 入力されたデータは、どの順番で処理されるか。
- この処理を外すと、どのような問題が起こるか。
- 別の実装方法には、どのような利点と制約があるか。
- 確認できていない条件は何か。
説明を読んだ後は、自分の言葉で要点をまとめてみてください。判断できない範囲が大きいまま、決済や個人情報を扱う本番機能へ広げず、経験者の確認を受けるか、試作の範囲を小さく保ちましょう。
8.AI開発と専門知識についてのよくある質問
専門用語をたくさん入れたほうが、よい指示になりますか?
必ずしもそうではありません。意味を理解しないまま技術名を指定すると、不要な仕組みが追加される場合もあります。まず期待する動作と制約を示し、技術の選択理由を確認しましょう。
AIに詳しく指示すれば、テストは省けますか?
指示が明確でも、実装が正しいとは限りません。指示は完成基準を共有するためのものであり、その基準を満たしているかは、動作確認やレビューで確かめます。
AIが毎回違う修正を提案するときは、どうすればよいですか?
現在のコード、再現手順、確認した結果をまとめ直します。原因が未確認のまま修正案を重ねず、まずどの条件で問題が起きるかを絞り込みましょう。
知識が増えれば、必ず開発は速くなりますか?
知識は判断の助けになりますが、作業時間は要件や環境にも左右されます。必要以上に複雑な設計を選ぶこともあるため、今回の目的に必要な範囲かを見直すことが大切です。
9.まとめ:AIへの指示と、判断する力を一緒に育てる
AI開発で専門知識が役立つのは、コードを書く場面だけではありません。目的を具体化する、変更範囲を決める、結果を確かめるという場面でも使います。
次にAIへ開発を依頼するときは、「誰の何を改善するか」「どの動作を変えるか」「どう確認するか」を先に書いてみてください。完成後は、準備・実装・検証・手戻りのどこに時間がかかったかを振り返りましょう。
AIを使う経験と、仕組みを理解する学習を往復すること。その積み重ねが、具体的に指示し、根拠を持って成果物を採用する力につながります。
参考資料
- GitHub Docs:Best practices for using GitHub Copilot
- GitHub Docs:Prompt engineering for GitHub Copilot
Learning Tools
記事を検索したい方はここから!
記事を検索
関連記事や、今の内容に近いテーマをすぐに検索できます。
例: AI / 情報Ⅰ / Python / 統計 / 資格 / 学習法